毕业设计（论文）外文翻译-手机睡眠监测系统的实现与设计.docxVIP

1．外文资料翻译译文基于智能手机的非接触睡眠呼吸暂停检测Rajalakshmi Nandakumar Shyamnath Gollakota Nathaniel Watson M.D. Computer Science and Engineering Computer Science and Engineering UW Medicine Sleep Center University of Washington University of Washington University of Washington rajaln@ gshyam@ nwatson@摘要：我们在智能手机上提出一种检测睡眠呼吸暂停时间的非接触解决方法。为了做到这一点，我们引入一种智能手机监控呼吸引起的每分钟胸部和腹部运动的新系统。我们的系统运行在手机远离主体环境下并且能够同时确认和跟踪来自多个主体的细粒度呼吸运动。我们将手机变成一个主动声纳系统发射频率调制声音信号并且监听他们的反射。我们的设计监控这些反射的每分钟变化来提取胸部运动。家居环境的结果显示我们的设计有效地工作在达距离达1米甚至在毯子下的主体。建立上述的系统，我们开发出识别来自声纳反射中各种睡眠呼吸暂停事件的算法，包括阻塞性睡眠呼吸暂停、中枢神经性睡眠呼吸暂停、呼吸不足。我们在威斯康星大学医学院睡眠中心港景中部署我们的系统并且执行一个有37位患者共296小时的临床实验。我们的研究证明我们的系统识别呼吸事件的数目与真实数据之间是高相关的，中枢神经性睡眠呼吸暂停、阻塞性睡眠呼吸暂停和呼吸不足的相关系数分别是0.9957、0.9860和0.9533。此外，在计算呼吸暂停和呼吸不足事件发生率的平均错误低于每小时1.9件。分类和主题描述J.3【计算机应用】：生命科学与医学概括词语设计；人的因素；算法关键词移动健康；睡眠呼吸暂停；手机声纳；非接触呼吸监控介绍睡眠呼吸暂停是一种普通医学症状，在睡眠呼吸被打断时发生。估计影响超过1800万美国成年人并且被连接到关注缺陷/多障碍、高血压、糖尿病、心脏病、中风，它增加了机动车辆事故。在临床中诊断睡眠呼吸暂停需要多导睡眠图测试，这是一个昂贵、耗时和劳动密集的过程。它需要训练有素的技术人员在睡眠期间中对患者连接和监控各种传感器，这是一个典型相关联的长时间的等待表。当便携式记录系统发展使用在家庭环境时，他们要求给病人或者病床安装大量的传感器并且大多数要求一个训练有素的技术人员设置记录系统。图1—在多导睡眠图测试中使用传感器。该图显示在测试和一部分收集数据中使用传感器。多导睡眠图被用来诊断多种睡眠病症包括睡眠呼吸暂停。我们的目标是在身体上使用智能手机检测睡眠呼吸暂停不需要任何传感器。在这篇论文中我们提出一下的问题：我们能否不需要安装传感器利用智能手机检测睡眠呼吸暂停事件?最主要的困难是检测睡眠呼吸暂停事件需要跟踪因为呼吸引起的细粒度腹部和胸部运动。虽然IPhone呼吸应用可以跟踪呼吸运动，它需要将手机放在胸腔和腹部之间，因此它是侵入是的。基于视觉解决方法能够不要安装用户就能跟踪这些运动，但是这仅限于视线范围和良好的光照条件，因此并不适用于睡眠环境，例如：在夜间或者在毯子下。我们引入一种新的在智能手机上跟踪胸部和腹部运动的非接触系统并且能在睡眠环境中工作。它能在手机远离使用者是工作并且同时跟踪来自多个使用者的呼吸运动。使用这个设计。我们建立AnpeaApp，一个基于智能手机在临床在多导睡眠图测试记录解决睡眠相关呼吸事件的解决方法，包括呼吸不足（当主体呼吸变浅）、阻塞性睡眠呼吸暂停（主体上气道整个或部分阻塞）、中枢神经性睡眠呼吸暂停（当主体屏住呼吸）。我们关键的观点是将手机变成主动的声呐系统。在一个高水平下，我们从手机扬声器中发送18-20kHZ的声波并且在麦克风中监听他们的反射。胸部和腹部运动是因为呼吸产生的变化反射声波。这些变化是每分钟的，但是从其他环境中可靠地提取他们是困难的。为了克服这一点，我们在载波频率中采用FMCW(频率调制连续波)传输和移动，并且允许我们通过映像时间差将到达不同时间的反射分离。具体地说，来自人体的反射到达一个具体时间取决于到手机扬声器的距离。因此，在所有其他环境反射存在下着眼于相应的频率允许我们有效地提取因为呼吸引起的振幅变化。此外，由于来自多个主体的反射在不同的时间内到达，相关频率为我们提供了同时跟踪多个呼吸信号的能力。最后，非呼吸身体运动产生的反射模式不同于呼吸产生的，能够让我们区分它们。我们基于现有的智能手机实现我们的设计并且执行在卧室环境下5个健康参与者使用游标呼吸带作为基线的基准实验。我们的结果如下显示：我们系统评估粗粒度呼吸频率是距离离主体达到1米时基线的99.2%之内。这种转换的误差小于0.11次/min。当主体裹着毯子时这些的准确